Claim Missing Document
Check
Articles

Found 20 Documents
Search

Comparison of Decision Tree, Naïve Bayes and KNearest Neighbors for Predicting Thesis Graduation Achmad Solichin
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 6: EECSI 2019
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.v6.1991

Abstract

Thesis is one of the evaluations of learning for students. In Universitas Budi Luhur (UBL), especially in the Informatics Department, the thesis is one of the requirements for graduating students to obtain a Bachelor of Computer degree. In each semester, the number of Informatics Department students who take thesis is around 200-300 students. The problem that is still faced is that student graduation in the thesis is not optimal. Student failures in the thesis are allegedly related to several technical and nontechnical factors. In this study, an analysis using data mining algorithms was carried out to determine the factors that influence student graduation in the thesis. The dataset obtained from the Informatics Department students who took a thesis in the 2016/2017, and 2017/2018. In order to obtain the right classification method, this research was tested with three classification methods, namely Decision Tree, Naïve Bayes, and k-Nearest Neighbors (kNN). The results of the comparison of the values of accuracy, precision, and recall indicate that the kNN algorithm has advantages, so this method is chosen to predict graduation. In this study also developed an application for predicting graduation of students' thesis by applying the kNN classification method. The test results showed an accuracy of 78.20%, precision of 80.32%, and recall of 96.49%. This research is expected to be useful for improving the service quality of student thesis
Comparison of Decision Tree, Naïve Bayes and KNearest Neighbors for Predicting Thesis Graduation Solichin, Achmad
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 6: EECSI 2019
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.v6.1991

Abstract

Thesis is one of the evaluations of learning for students. In Universitas Budi Luhur (UBL), especially in the Informatics Department, the thesis is one of the requirements for graduating students to obtain a Bachelor of Computer degree. In each semester, the number of Informatics Department students who take thesis is around 200-300 students. The problem that is still faced is that student graduation in the thesis is not optimal. Student failures in the thesis are allegedly related to several technical and nontechnical factors. In this study, an analysis using data mining algorithms was carried out to determine the factors that influence student graduation in the thesis. The dataset obtained from the Informatics Department students who took a thesis in the 2016/2017, and 2017/2018. In order to obtain the right classification method, this research was tested with three classification methods, namely Decision Tree, Naïve Bayes, and k-Nearest Neighbors (kNN). The results of the comparison of the values of accuracy, precision, and recall indicate that the kNN algorithm has advantages, so this method is chosen to predict graduation. In this study also developed an application for predicting graduation of students' thesis by applying the kNN classification method. The test results showed an accuracy of 78.20%, precision of 80.32%, and recall of 96.49%. This research is expected to be useful for improving the service quality of student thesis
Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta Ahmad Zainul Mafakhir; Achmad Solichin
Fountain of Informatics Journal Vol 5, No 1 (2020): Mei
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v5i1.4007

Abstract

AbstrakPenjurusan siswa di suatu sekolah merupakan suatu proses penempatan siswa ke dalam jurusan tertentu sesuai dengan kemampuan dan keinginan siswa. Madrasah Aliyah Al-Falah (MA Al-Falah) merupakan sekolah yang sederajat dengan Sekolah Menengah Atas (SMA) dan memiliki tiga jurusan yaitu Ilmu-ilmu Keagamaan (IIK), Matematika dan Ilmu Alam (MIA), dan Ilmu-ilmu Sosial (IIS). Saat ini proses penjurusan di MA Al-Falah dilakukan dengan melakukan empat jenis tes yaitu matematika, bahasa Indonesia, bahasa Inggris, dan keagamaan terhadap siswa. Hasil tes tersebut dijadikan dasar penentuan jurusan siswa. Permasalahan yang dihadapi oleh pihak sekolah adalah kesulitan dalam mengklasifikasikan siswa berdasarkan hasil tes penjurusan tersebut. Saat ini teknik penjurusan yang dilakukan sekolah hanya mengandalkan pengolahan data dan pengurutan dengan Microsoft Excel. Pada penelitian ini, dilakukan penerapan metode Naïve Bayes Classifier untuk melakukan klasifikasi nilai tes dan menghasilkan rekomendasi jurusan siswa. Sistem klasifikasi penjurusan siswa yang dikembangkan dapat membantu proses penjurusan siswa dengan lebih mudah, cepat, dan akurat. Berdasarkan pengujian yang telah dilakukan sistem penjurusan siswa dapat memberikan rekomendasi jurusan siswa dengan nilai akurasi sebesar 33,34%.Kata kunci: penjurusan siswa, naïve bayes, sistem klasifikasi Abstract[The Implementation of Naïve Bayes Classifier Method for Student Majorization at Madrasah Aliyah Al-Falah Jakarta] Student majorization in a school is a process of placing students into certain majors according to their abilities and desires. Madrasah Aliyah Al-Falah (MA Al-Falah) is a school equivalent to High School and has three majors namely Religious Sciences (IIK), Mathematics and Natural Sciences (MIA), and Social Sciences (IIS). Currently the majors at MA Al-Falah are carried out by carrying out four types of tests namely mathematics, Indonesian, English, and religion on students. The test results are used as the basis for determining student majors. The problem faced by the school is the difficulty in classifying students based on the results of the majors test. Currently the majors that schools use rely solely on data processing and sequencing with Microsoft Excel. In this study, the Naïve Bayes Classifier method was implemented to classify test scores and produce recommendations for student majors. The student majors classification system developed can help students' majors process more easily, quickly, and accurately. Based on the testing that has been done the student majors system can provide student majors recommendations with an accuracy value of 33,34%.Keywords: student majors, naïve bayes, classification system
Klasterisasi Persebaran Virus Corona (Covid-19) Di DKI Jakarta Menggunakan Metode K-Means Achmad Solichin; Khansa Khairunnisa
Fountain of Informatics Journal Vol 5, No 2 (2020): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v5i2.4905

Abstract

AbstrakCorona virus (COVID-19) merupakan jenis virus baru yang ditemukan pada manusia di propinsi Wuhan, Cina pada bulan Desember 2019. Virus ini dapat menular dari manusia ke manusia melalui tetesan kecil (droplet) dari hidung atau mulut pada saat batuk, bersin, atau berbicara. Oleh karena itu, di masa pandemi ini sangat penting untuk menjaga jarak dengan orang lain dan menghindari wilayah dengan persebaran COVID-19 yang tinggi. Pada penelitian ini dilakukan klasterisasi persebaran virus Corona di DKI Jakarta dengan menerapkan metode data mining. Pengelompokan dilakukan berdasarkan parameter jumlah ODP, PDP, kasus Positif, pasien sembuh dan pasien meninggal. Pada penelitian ini, untuk melakukan klasterisasi data digunakan metode K-Means dan metode pengukuran jarak Euclidean. Penelitian ini menghasilkan prototipe aplikasi pengelompokan data persebaran pasien Covid-19. Berdasarkan pengujian, jumlah klaster yang direkomendasikan adalah 9 klaster. Hasil penelitian ini diharapkan dapat membantu pemerintah DKI Jakarta dalam mengambil keputusan strategis dalam mengurangi persebaran virus Corona di DKI Jakarta.Kata kunci: corona, Jakarta, klasterisasi, k-means Abstract[Corona Virus (Covid-19) Clustering in Jakarta using K-Means Method] Coronavirus (COVID-19) is a new type of virus found in humans in the province of Wuhan, China in December 2019. This virus can be transmitted from person to person through small droplets from the nose or mouth when coughing, sneezing, or talking. Therefore, during this pandemic, it is very important to keep your distance from other people and avoid areas with a high spread of COVID-19 In this study, the distribution of the Coronavirus in DKI Jakarta was clustered by applying the data mining method. The clustering was carried out based on the parameters of the number of ODP, PDP, positive cases, patients recovered and patients died. In this study, to perform data clustering, the K-Means method, and the Euclidean distance measurement method were used. This study produced a prototype application for the distribution of Covid-19 patient distribution data. Based on the test, the recommended number of clusters is 9 clusters. The results of this study are expected to help the DKI Jakarta government in making strategic decisions in reducing the spread of the Coronavirus in DKI Jakarta.Keywords: corona, Jakarta, clustering, k-means
Acceptance of e-learning system at private university in Indonesia during the covid-19 pandemic: students' perspectives Solichin, Achmad; Wijaya, Riki
JURNAL INFOTEL Vol 13 No 3 (2021): August 2021
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v13i3.662

Abstract

The Covid-19 pandemic in Indonesia has an impact on changes in policies and the learning process at Budi Luhur University (UBL). The complete online learning policy has been implemented since the 2nd semester of 2019/2020, which began in March 2020. Students and lecturers carry out teaching and learning activities through an e-learning system developed in 2005. Although it has been implemented for a long time, the level of acceptance has never been measured comprehensively. This research has a contribution in measuring the level of acceptance of the e-learning. In addition, before the Covid-19 pandemic, the use of the e-learning system was still partially implemented and only for a few courses. In this study, an analysis of the student acceptance of the UBL e-learning system was carried out by involving respondents and a more comprehensive acceptance model. The modeling used in this study refers to the Comprehensive Technology Acceptance Model (CTAM) with seven exogenous variables and five endogenous variables. Testing and analysis are based on variant-based structural equation models, namely Partial Least Square (PLS) using the SmartPLS application. The results show that nine main factors influence student acceptance of the e-learning system: system quality, content quality, information quality, accessibility, enjoyment, perceived ease of use, perceived usefulness, and student attitudes towards applications and behavioral intention to use. This research is helpful for UBL and other educational institutions as material for developing a quality e-learning system accepted by its users.
ENKRIPSI DATA PENGGAJIAN DENGAN ALGORITMA CAESAR CIPHER DAN VIGENERE CIPHER PADA PT. KEMASINDO CEPAT NUSANTARA Ismail Adi Susanto; Achmad Solichin
SKANIKA Vol 1 No 1 (2018): Jurnal SKANIKA Maret 2018
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PT. Kemasindo Cepat Nusantara adalah sebuah perusahaan yang bergerak dibidang pengiriman barang baik melalui darat, laut ataupun udara. PT. Kemasindo Cepat Nusantara sendiri sudah memiliki sistem penggajian yang akurat dan tepat. Untuk menjaga kerahasiaan daripada informasi tersebut maka dibutuhkan suatu sistem penggajian terenkripsi yang dapat menjaga kerahasiaan dari informasi gaji para pegawai. Kriptografi merupakan metode keamanan data yang mengubah data asli (plaintext) menjadi data yang tidak bisa dibaca (ciphertext), proses ini disebut proses enkripsi. Serta dapat mengubahnya kembali dari data yang tidak bisa dibaca (ciphertext) menjadi data yang bisa dibaca (plaintext), proses ini disebut proses dekripsi. Seiring dengan hal tersebut maka dibuatlah sebuah enkripsi database sistem penggajian. Enkripsi ini memakai algoritma Caesar dan Vigenere. Algoritma Caesar termasuk sandi subtitusi dimana setiap huruf pada teks terang (plainteks) digantikan oleh huruf lain yang memiliki selisih posisi tertentu dalam alphabet. Sedangkan algoritma enkripsi Vigenere sangat dikenal karena mudah dipahami dan diimplementasikan. Teknik untuk menghasilkan ciphertext bisa dilakukan menggunakan substitusi angka maupun bujursangkar Vigènere. Teknik susbtitusi Vigènere dengan menggunakan angka dilakukan dengan menukarkan huruf dengan angka, hampir sama dengan kode geser. Sistem penggajian enkripsi berbasis web ini dapat diimplementasikan dengan baik.
PROTOTIPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN GURU TELADAN PADA SMK ERA INFORMATIKA Suherman Achmad; Achmad Solichin
SKANIKA Vol 1 No 2 (2018): Jurnal SKANIKA Mei 2018
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam implementasi Kurikulum 2013 di Sekolah Menengah Kejuruan, pihak sekolah sering menghadapi beberapa kendala terkait dengan mutu pembelajaran yang menitikberatkan pada bidang keahlian dan ketrampilan peserta didik. Dalam hal ini guru selaku pembina dan pembimbing peserta didik sangat berperan dalam menata dan menciptakan pembelajaran yang nyaman, tepat sasaran, bermutu serta memiliki nilai pendidikan bertaraf internasional sebagaimana sesuai dengan harapan peserta didik. Namun di SMK Era Informatika saat ini tenaga pendidik atau guru perlu untuk ditata dan ditinjau standar kriteria guru yang bermutu. Oleh karena itu, program guru teladan perlu dilakukan agar guru terpacu untuk selalu meningkatkan mutunya. Dalam penetapan guru teladan, pihak sekolah masih mengalami beberapa kendala terkait dengan kriteria dari masing-masing guru. Untuk mengatasi kendala tersebut serta meminimalisir terjadinya kesalahan dibutuhkan sebuah Sistem Pendukung Keputusan untuk menentukan guru teladan. Pada penelitian ini, dibuat sebuah Sistem Pendukung Keputusan dengan menerapkan metode Simple Additive Weighting (SAW). Metode SAW menghitung kompetensi tiap individu berdasarkan kriteria yang diberikan. Metode SAW membutuhkan proses normalisasi matriks keputusan (x) ke suatu skala yang dapat diperbandingkan dengan semua alternatif yang ada. Sistem pendukung keputusan penetapan guru teladan ini dikembangkan dengan bahasa pemrograman PHP dan database MySQL. Hasil penelitian ini berupa aplikasi SPK yang menyajikan rekomendasi guru teladan berdasarkan data masukan yang diberikan.
PENERAPAN ALGORITMA DES, VERNAM CIPHER DAN DIFFIE-HELLMAN UNTUK MENGAMANKAN DATA PENDAFTARAN MAHASISWA BARU PADA UNIVERSITAS BUDI LUHUR Ahmad Ihsanudin; Achmad Solichin
SKANIKA Vol 1 No 1 (2018): Jurnal SKANIKA Maret 2018
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi informasi saat ini sangat berpengaruh pada aspek kehidupan manusia. Dimana proses pertukaran data menjadi lebih cepat, efisien, dan akurat. Namun bila dilihat dari sisi keamanan dalam melakukan pertukaran data, hal ini masih kurang disadari karena adanya resiko pencurian data. Pada bidang pendidikan khususnya Universitas, dalam proses pendaftaran mahasiswa baru akan menimbulkan antrian di bagian registrasi mahasiswa. Dimana jika puluhan atau ratusan pendaftar datang pada hari yang sama maka tentu saja tidak bisa tertampung di dalam ruangan. Hal ini tentu perlu adanya solusi dalam mengantisipasinya sekaligus dengan adanya solusi dalam pengamanan data untuk menghindari pencurian data dari proses pendaftaran mahasiswa baru. Salah satu metode yang dapat digunakan adalah kriptografi. Pada penelitian ini menggunakan algoritma DES (Data Encryption Standart) dan Vernam Cipher dengan pembangkitan kunci algoritma Diffie-Hellman. Proses enkripsi dilakukan pada data pendaftaran mahasiswa yang dimasukkan dalam aplikasi sebelum dikirimkan ke server. Saat data sampai di server, data akan didekripsi dan disimpan ke database server. Sehingga data yang berjalan di jaringan berupa data yang tidak dimengerti (ciphertext). Hasil dari penelitian ini akan diimplementasikan dalam sebuah program aplikasi berbasis Android menggunakan bahasa pemograman Java Android. Dimana dapat membantu mengamankan data pendaftaran dengan mudah dan mengurangi resiko pencurian dan penyalahgunaan data.
Sistem Rekomendasi Keterampilan Teknologi Informasi Dengan Metode User-Based Collaborative Filtering dan Log-Likelihood Similarity Abdullah 'Alim; Achmad Solichin; Painem Painem
CogITo Smart Journal Vol 6, No 2 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v6i2.234.141-154

Abstract

Saat ini, terdapat berbagai teknologi baru sebagai akibat dari perkembangan teknologi yang sangat cepat. Munculnya teknologi baru juga berdampak pada munculnya keterampilan baru yang perlu dikuasai oleh pencari kerja. Banyak jenis keterampilan yang ada saat ini, tidak jarang membingungkan orang ketika mereka ingin menentukan jenis keterampilan baru yang mereka butuhkan untuk mendapatkan pekerjaan. Oleh karena itu, pada penelitian ini dikembangkan sistem rekomendasi yang memberikan saran bagi pengguna terkait keterampilan yang dibutuhkan di dunia industri. Untuk menemukan jenis keterampilan yang sangat dibutuhkan, penelitian ini memanfaatkan informasi di situs lowongan pekerjaan. Penelitian ini menerapkan metode User-Based Collaborative Filtering dan Log-Likelihood Similarity. Penggunaan Log-Likelihood Similarity karena metode ini tidak memerlukan informasi dalam bentuk preferensi, sehingga sesuai untuk digunakan dalam keterampilan karena tidak tersedianya informasi preferensi tentang keterampilan yang sudah dimiliki pengguna. Dalam penelitian ini, disimpulkan bahwa rekomendasi keterampilan dapat diperoleh dengan baik menggunakan metode yang diusulkan. Waktu yang dibutuhkan untuk memberikan rekomendasi meningkat seiring dengan meningkatnya jumlah data yang diproses. Dalam pengujian kualitas perangkat lunak menggunakan pengujian ISO-9126 diperoleh nilai 83,81% dalam kategori baik.
Pencarian Abstrak Tugas Akhir Mahasiswa Berdasarkan Tingkat Kemiripan Menggunakan Algoritma Winnowing dan Jaccard Similarity pada Universitas Budi Luhur Wahyu Desena; Achmad Solichin
Informatik : Jurnal Ilmu Komputer Vol 17, No 2 (2021): Agustus 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i2.3628

Abstract

Dokumen skripsi merupakan dokumen yang merepresentasikan penelitian yang dilakukan oleh mahasiswa jenjang strata satu. Untuk menghasilkan skripsi yang baik dibutuhkan studi literatur untuk mendukung penelitian tersebut. Pada Universitas Budi Luhur, sudah tersedia sistem pencarian literatur dalam bentuk dokumen skripsi. Namun demikian, pencarian data masih terbatas berdasarkan kesamaan judul dengan kata kunci yang diberikan. Hal tersebut mengakibatkan hasil pencarian tidak terlalu akurat. Oleh karena itu, pada penelitian ini diusulkan sistem yang mampu menyajikan hasil pencarian berdasarkan tingkat kemiripan dokumen. Metode yang digunakan adalah algoritma Winnowing berbasis N-Gram dengan perhitungan kemiripan metode Jaccard Similarity. Berdasarkan hasil pengujian, nilai k-gram dan w-gram mempengaruhi persentase kemiripan dokumen yang mana nilai terbaik adalah k-gram=3 dan w-gram=4. Prototipe sistem yang dihasilkan dapat menyajikan hasil pencarian beserta nilai kemiripan dokumen abstrak tugas akhir yang diinputkan dengan dokumen yang tersimpan di repository.